Investigating Methods of Normalization for X-ray Fluorescence Measurements of Zinc in Nail Clippings Using the Topas Monte Carlo Code
Notice bibliographique
Résumé
Development of portable X-ray fluorescence devices has made it easier to quickly assess trace elements such as zinc in human tissue. Zinc deficiency can have serious implications for growth and development of the human body. From recent studies, zinc content in nail clippings has been suggested to be an effective biomarker for zinc status. In this study, a Monte Carlo simulation approach was used to investigate the use of a portable X-ray fluorescence system for detecting zinc in nail clippings. The portable X-ray device was modelled using specifications from the manufacturer input to the TOPAS Monte Carlo code (Geant4 simulation software). The simulations were carried out for varying nail clipping thickness (0.3 mm – 1.2 mm) as clipping thickness has previously been shown to influence zinc signal in experimental trials. Each simulation was run for 10 histories and the statistical uncertainty was less than 3.5%. The obtained energy spectra from different measurements were analyzed and three different normalization techniques (coherent, Compton, and entire spectrum) were introduced. General agreement between simulation and experimental trends were observed, indicating successful benchmarking of the simulation design. All three normalization techniques showed a slightly negative trend for signal with respect to clipping thickness, consistent with experimental results. The simulation results suggested that coherent normalization can be a particularly robust normalization procedure, showing a small relative variation in signal over a wide range of clipping thickness.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».